基于步态子空间的无监督双足步行状态辨识

作者：高莉俊; 汪步云; 许德章^*

来源：模式识别与人工智能, 2018, 31(08): 763-772.

DOI：10.16451/j.cnki.issn1003-6059.201808008

• 足压信号
• 奇异值分解(SVD)
• 特征提取
• 模糊C均值聚类(FCM)
• 步态辨识

在利用足压信息对人体步行状态的辨识中,由多传感器阵列采集获得的双足压力信号存在冗余度高、关联性弱、噪声干扰强等问题.为了辨识人体下肢运动状态,文中提出基于奇异值分解与模糊C均值聚类的步行状态辨识.首先采用奇异值分解的方法,融合足压多源观测数据,提取关于步态的特征信号.然后再将特征信号以向量形式张成步态信息子空间,并基于模糊C均值聚类算法对特征点进行聚类处理.因为特征点与信号采样序列一一映射,故聚类结果在时域上形成对步态运动过程的阶段划分.实验表明,文中方法可以有效辨识人体下肢的5种典型运动状态.

• 单位
  安徽工程大学; 芜湖安普机器人产业技术研究院有限公司